詹莜國(guó) 李洪明 李偉 楊興黨 麻莉娜 呂明站

摘要 煙草農(nóng)業(yè)已通過實(shí)施設(shè)施農(nóng)業(yè)和全程機(jī)械化等手段來提升煙葉的生產(chǎn)效率、烘烤煙草的品質(zhì)以及農(nóng)民的收益，但在煙田管理上仍然面臨由非線性、互饋性、多尺度等難題帶來的效率低下問題。采用數(shù)字孿生理論和技術(shù)，以昆明地區(qū)的煙田管理系統(tǒng)為研究對(duì)象，設(shè)計(jì)多要素物聯(lián)網(wǎng)數(shù)據(jù)采集裝置，結(jié)合無人機(jī)傾斜攝影技術(shù)，建立一種以虛控實(shí)的數(shù)字化在線推理和反饋體系的煙田數(shù)字模型，以煙草氮元素管理為實(shí)踐應(yīng)用，實(shí)現(xiàn)了數(shù)據(jù)驅(qū)動(dòng)的煙田農(nóng)事管理。結(jié)果表明，數(shù)字孿生技術(shù)能顯著提升煙草農(nóng)業(yè)的管理效率，其中氮元素管理服務(wù)效率提升71%。數(shù)字孿生技術(shù)在煙田管理的全過程中都有廣泛的應(yīng)用潛力，為煙草農(nóng)業(yè)的數(shù)字化轉(zhuǎn)型提供應(yīng)用參考。

關(guān)鍵詞 數(shù)字孿生；煙田管理；虛擬模型；傾斜攝影；氮元素管理

中圖分類號(hào) S 126? 文獻(xiàn)標(biāo)識(shí)碼 A

文章編號(hào) 0517-6611（2024）12-0222-06

doi：10.3969/j.issn.0517-6611.2024.12.047

Application Research and Implementation of Digital Twin Technology in Tobacco Field Management System

ZHAN You-guo，LI Hong-ming，LI Wei et al

（Kunming Municipal Tobacco Company，Kunming，Yunnan 650051）

Abstract Tobacco agriculture has improved the production efficiency of tobacco leaves，the quality of cured tobacco and farmers income through the implementation of facility agriculture and full-process mechanization.However，it still faces efficiency problems in tobacco field management caused by non-linearity，interactivity，and multi-scale challenges.We applied digital twin theory and technology to a tobacco field management system in the Kunming area.A multi-element Internet of Things （IoT） data collection device was designed，combined with unmanned aerial vehicle oblique photography technology，to establish a digital twin model of the tobacco field.This model created a virtual control over the reality through online reasoning and feedback systems，with a practical application in tobacco nitrogen management.This resulted in data-driven tobacco field farm management.The results showed that digital twin technology could significantly improve the management efficiency of tobacco agriculture，with nitrogen management efficiency increased by 71%.Digital twin technology had broad application potential in the entire process of tobacco field management，providing a reference for the digital transformation of tobacco agriculture.

Key words Digital Twin;Tobacco field management;Virtual modeling;Tilt photography;Nitrogen element management

基金項(xiàng)目 中國(guó)煙草總公司云南省公司科技項(xiàng)目（2020530000241029）。

作者簡(jiǎn)介 詹莜國(guó)（1981—），男，湖南常寧人，高級(jí)農(nóng)藝師，碩士，從事煙草綠色生產(chǎn)新技術(shù)與推廣研究。*通信作者，中級(jí)工程師，碩士，從事智慧農(nóng)業(yè)研究。

收稿日期 2023-07-20；修回日期 2024-02-27

2020年，在我國(guó)“十四五”規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要中，明確指出“加快數(shù)字化發(fā)展，建設(shè)數(shù)字中國(guó)”［1］，同時(shí)對(duì)數(shù)字農(nóng)業(yè)進(jìn)行了明晰的應(yīng)用場(chǎng)景描述。煙田作為煙草農(nóng)業(yè)的基礎(chǔ)生產(chǎn)要素，是煙草農(nóng)業(yè)最先開展數(shù)字化研究的領(lǐng)域，國(guó)內(nèi)外很多國(guó)家和地區(qū)省份通過衛(wèi)星遙感、無人機(jī)等手段獲取煙田多尺度圖像數(shù)據(jù)，構(gòu)建煙田數(shù)字化地圖［2-8］。在該底圖基礎(chǔ)上，研究人員結(jié)合其他自然數(shù)據(jù)開展了地形地貌、土壤肥力、病蟲害監(jiān)測(cè)、災(zāi)害評(píng)估、種植區(qū)劃分類等［9-12］方面的研究。

近年來互聯(lián)網(wǎng)、物聯(lián)網(wǎng)技術(shù)、數(shù)字孿生技術(shù)在數(shù)字農(nóng)業(yè)和煙草工業(yè)中得到了大量應(yīng)用，如智慧農(nóng)業(yè)系統(tǒng)中的三維可視化、智慧化的表型組學(xué)研究、大數(shù)據(jù)應(yīng)用的精準(zhǔn)滴灌、數(shù)字孿生應(yīng)用等［13-16］。劉光亮等［17-19］提出了煙草科學(xué)大數(shù)據(jù)、數(shù)字化育種、智慧煙葉生產(chǎn)等方向；煙草工業(yè)采用數(shù)字孿生來實(shí)現(xiàn)實(shí)體和虛擬信息體之間的融合，實(shí)現(xiàn)物流、倉(cāng)儲(chǔ)的人、機(jī)、料、法、環(huán)數(shù)據(jù)驅(qū)動(dòng)的過程管理［20-21］。

參照數(shù)字孿生在煙草工業(yè)中的應(yīng)用，煙草農(nóng)業(yè)數(shù)字孿生系統(tǒng)可以通過物聯(lián)網(wǎng)手段建立煙田的準(zhǔn)實(shí)時(shí)數(shù)字化鏡像，基于專家知識(shí)進(jìn)行超實(shí)時(shí)推演來制定生產(chǎn)決策，再通過設(shè)施農(nóng)業(yè)交互反饋來對(duì)煙葉生長(zhǎng)發(fā)育實(shí)現(xiàn)影響。數(shù)字孿生的應(yīng)用，為煙草農(nóng)事管理實(shí)現(xiàn)智能化、無人化、標(biāo)準(zhǔn)化提供技術(shù)基礎(chǔ)。

目前，數(shù)字孿生技術(shù)在煙草農(nóng)業(yè)的應(yīng)用還鮮見公開的研究成果，因此在前人利于數(shù)字孿生開展煙草工業(yè)和其他農(nóng)業(yè)的基礎(chǔ)上，筆者以典型的昆明煙田管理系統(tǒng)為例，采用數(shù)字孿生的技術(shù)思想，設(shè)計(jì)了一套全要素的煙田管理系統(tǒng)，集成了一套8要素物聯(lián)網(wǎng)采集裝置，對(duì)當(dāng)?shù)責(zé)熖镞M(jìn)行了數(shù)字虛擬建模，最后以氮元素缺失監(jiān)控為應(yīng)用點(diǎn)予以應(yīng)用，驗(yàn)證了對(duì)應(yīng)數(shù)字孿生技術(shù)的能力和價(jià)值。

1 材料與方法

1.1 系統(tǒng)定義

根據(jù)煙田的基本農(nóng)田屬性和煙葉自身生長(zhǎng)的要求，該研究對(duì)于數(shù)字煙田管理系統(tǒng)的關(guān)鍵采集數(shù)據(jù)進(jìn)行歸納總結(jié)和合并，定義了6個(gè)屬性描述為其基本數(shù)字化內(nèi)容，具體內(nèi)容見表1。

1.2 總體設(shè)計(jì) 基于數(shù)字孿生構(gòu)建煙田管理系統(tǒng)，其包括數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、業(yè)務(wù)服務(wù)和前臺(tái)系統(tǒng)4個(gè)組成部分，系統(tǒng)架構(gòu)設(shè)計(jì)見圖1。

業(yè)務(wù)系統(tǒng)采用微服務(wù)模式設(shè)計(jì)，微服務(wù)包括各類微服務(wù)組件的集合和微服務(wù)組件的管理能力，通過微服務(wù)層管理功能對(duì)各微服務(wù)組件的注冊(cè)、調(diào)用、配置進(jìn)行有效管理。

1.2.1 關(guān)鍵技術(shù)設(shè)計(jì)。

1.2.1.1 數(shù)字建模技術(shù)。建立數(shù)字孿生體是數(shù)字孿生技術(shù)區(qū)別于物聯(lián)網(wǎng)監(jiān)控技術(shù)、專家決策系統(tǒng)等其他技術(shù)手段的最關(guān)鍵任務(wù)。數(shù)字孿生體是將現(xiàn)有物理世界的煙田進(jìn)行數(shù)字建模，通過實(shí)測(cè)、仿真和數(shù)據(jù)分析來實(shí)時(shí)感知、診斷、預(yù)測(cè)，同時(shí)通過模型來發(fā)出指令，調(diào)控對(duì)應(yīng)的生產(chǎn)參數(shù)。因此，該研究首先采用無人機(jī)對(duì)煙田進(jìn)行傾斜攝影，在三維渲染中，對(duì)煙區(qū)進(jìn)行單體化套合，采用Unity3d進(jìn)行3D建模，使用WebGL和VUE實(shí)現(xiàn)數(shù)字孿生體。

1.2.1.2 云化技術(shù)?；跀?shù)據(jù)應(yīng)用云化理念，打造數(shù)據(jù)應(yīng)用的統(tǒng)一交付平臺(tái)?；谖⒎?wù)架構(gòu)實(shí)現(xiàn)數(shù)據(jù)應(yīng)用的統(tǒng)一交付，有效解決數(shù)據(jù)應(yīng)用的開發(fā)建設(shè)和用戶體驗(yàn)的問題。煙田管理系統(tǒng)中，報(bào)表、指標(biāo)、可視化圖表等需要的量比較大，因此該研究采用云化的統(tǒng)一組件進(jìn)行交付，能實(shí)現(xiàn)更加高效的應(yīng)用展示和大數(shù)據(jù)創(chuàng)新。

1.2.1.3 人工智能技術(shù)。ChatGPT［22］的出現(xiàn)，體現(xiàn)了人工智能在多模態(tài)全場(chǎng)景上面的技術(shù)優(yōu)勢(shì)。數(shù)字孿生系統(tǒng)使用傳感器采集信息會(huì)涉及多場(chǎng)景的視頻、音頻、文本、結(jié)構(gòu)化數(shù)據(jù)，因此系統(tǒng)設(shè)計(jì)需要支持人工智能技術(shù)的應(yīng)用，如引入Transformer［23］，因此在系統(tǒng)中包括支持AI計(jì)算框架PyTorch、AI服務(wù)及開發(fā)部署、模型管理、AI應(yīng)用環(huán)境等。

1.2.2 采集和數(shù)據(jù)處理。

數(shù)據(jù)平臺(tái)層提供數(shù)據(jù)支持，數(shù)據(jù)平臺(tái)獲取業(yè)務(wù)系統(tǒng)或者其他三方接口活動(dòng)的多維數(shù)據(jù)，包括氣候、土壤、地理信息、無人機(jī)遙感等，實(shí)現(xiàn)對(duì)數(shù)據(jù)的管理功能，并把運(yùn)行和分析結(jié)果反饋給業(yè)務(wù)平臺(tái)。

1.2.3 服務(wù)平臺(tái)。

服務(wù)平臺(tái)提供整個(gè)系統(tǒng)的核心業(yè)務(wù)功能，包括數(shù)字煙田、農(nóng)事管理、智能盤點(diǎn)、可視化建模模塊、數(shù)字生長(zhǎng)、趨勢(shì)反演。數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)的方式采用基于專家先驗(yàn)知識(shí)、業(yè)務(wù)流程、人工智能算法形成的模型，根據(jù)系統(tǒng)設(shè)置的閾值來驅(qū)動(dòng)觸發(fā)對(duì)應(yīng)的業(yè)務(wù)流程。

1.2.4 前臺(tái)運(yùn)用。前臺(tái)運(yùn)用包括微信小程序、業(yè)務(wù)系統(tǒng)前端等，核心是前臺(tái)應(yīng)用更加直觀和智能。對(duì)反饋結(jié)果的展示和時(shí)空結(jié)合，不再是靜態(tài)固定數(shù)據(jù)。

1.3 實(shí)現(xiàn)方法

1.3.1 數(shù)據(jù)采集。

該研究設(shè)計(jì)了一套大田可視化物聯(lián)網(wǎng)采集裝置和一套無人機(jī)機(jī)載作業(yè)監(jiān)控裝置。

大田采集裝置中，基于低功耗數(shù)據(jù)采集技術(shù)可以實(shí)現(xiàn)“生、氣、水、土”多要素?cái)?shù)據(jù)的自動(dòng)采集和無線傳輸，具體結(jié)構(gòu)如圖2所示。其主要技術(shù)特點(diǎn)如下：①實(shí)現(xiàn)煙田“生、氣、水、土”多要素?cái)?shù)據(jù)采集；②基于云端圖像AI識(shí)別技術(shù)，實(shí)現(xiàn)煙田冠層、高度的自動(dòng)識(shí)別；待機(jī)功耗小于5 mw；③無人值守，太陽(yáng)能供電，支持4G/LORA組網(wǎng)/衛(wèi)星通信；④遠(yuǎn)程控制，可通過軟件遠(yuǎn)程修改相機(jī)拍照時(shí)間，可間隔拍照或選定某個(gè)時(shí)刻拍攝；⑤可通過軟件遠(yuǎn)程修改數(shù)據(jù)采集與數(shù)據(jù)上傳時(shí)間，可間隔上傳或定時(shí)上傳。

1.3.2 煙田可視化建模。

采用無人機(jī)傾斜攝影的方式建模是可視化的常見方法。在無人機(jī)完成傾斜攝影后，建立三維點(diǎn)云，構(gòu)建TIN網(wǎng)，構(gòu)建白模，進(jìn)行映射紋理貼圖。因?yàn)闊熖镏杏袩煵莼A(chǔ)設(shè)施，如大棚、水路、倉(cāng)庫(kù)、烤房、煙田等，數(shù)字孿生技術(shù)需要對(duì)單個(gè)要素進(jìn)行定義。因此，通過傾斜攝影單體化對(duì)各個(gè)要素進(jìn)行區(qū)分，采用將三維矢量數(shù)據(jù)貼合在特定的空間位置，形成對(duì)目標(biāo)模型的貼合，然后對(duì)屬性進(jìn)行定義或者擴(kuò)充。完成煙田可視化建模?？臻g數(shù)據(jù)采用Arcgis 10.2完成數(shù)據(jù)融合。

1.3.3 基于微服務(wù)的軟件框架建設(shè)。

系統(tǒng)架構(gòu)采用 B/S 模式，主要包括數(shù)據(jù)處理模塊、中間件模塊、應(yīng)用模塊等，具體功能包括用戶管理、菜單管理、權(quán)限管理、無人機(jī)管理、基本日志管理、煙田數(shù)據(jù)分析、數(shù)據(jù)管理分析、模型開發(fā)、專題管理等。系統(tǒng)開發(fā)框架為VUE+WebGL+Unity3D，開發(fā)環(huán)境為IDEA，開發(fā)語(yǔ)言為JAVA和C#，數(shù)據(jù)庫(kù)為MySQL。緩存使用Redis，安全框架使用Apache Shiro。

系統(tǒng)底層主要模塊包括GIS基礎(chǔ)功能、農(nóng)機(jī)設(shè)備數(shù)據(jù)管理、煙田數(shù)據(jù)信息等。

1.3.4 智能化應(yīng)用方案。

系統(tǒng)的應(yīng)用模塊都以數(shù)據(jù)驅(qū)動(dòng)為核心，以提高效率，規(guī)范管理為目標(biāo)來進(jìn)行設(shè)計(jì)和試驗(yàn)，具體模塊如下：①數(shù)字生長(zhǎng)。通過對(duì)應(yīng)品種生長(zhǎng)的專家知識(shí)，對(duì)目前品種的煙葉生長(zhǎng)速度、對(duì)應(yīng)的產(chǎn)量、品種進(jìn)行預(yù)測(cè)，指導(dǎo)生產(chǎn)用水、用藥、用肥的精準(zhǔn)處方建議。②智能盤點(diǎn)。每天自動(dòng)盤點(diǎn)倉(cāng)庫(kù)、物資、農(nóng)機(jī)等，降低臨時(shí)、重復(fù)搬運(yùn)生產(chǎn)資料的成本。③電子看板。將煙技員需要查看的數(shù)據(jù)，匯總成量化數(shù)據(jù)，在手機(jī)和大屏實(shí)現(xiàn)電子看板。④預(yù)警預(yù)報(bào)。通過后臺(tái)數(shù)據(jù)設(shè)置，在發(fā)現(xiàn)有對(duì)應(yīng)的災(zāi)害和問題時(shí)，直接一鍵直達(dá)煙技員。

2 結(jié)果與分析

2.1 基礎(chǔ)信息采集和建模

試驗(yàn)區(qū)倘甸隸屬于云南省昆明市尋甸回族彝族自治縣，地處尋甸回族彝族自治縣西北部，區(qū)域總面積21 200 hm2。倘甸鎮(zhèn)耕地總面積2 733 hm2，有旱地、水田，主要種植烤煙、玉米、水稻等作物，其中烤煙種植面積533 hm2，安裝的煙田生態(tài)信息采集設(shè)備見圖3。

使用大疆M300RTK無人機(jī)搭載大疆P1可見光相機(jī)獲取研究區(qū)煙田的傾斜攝影，設(shè)置參數(shù)為表2所示。

無人機(jī)完成傾斜攝影后，采用PIX4D進(jìn)行數(shù)據(jù)處理，完成煙田建模，建模界面見圖4。

2.2 數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)應(yīng)用

該研究以氮元素管理為典型應(yīng)用，進(jìn)行了數(shù)字孿生系統(tǒng)能力應(yīng)用驗(yàn)證。其中，煙葉葉片氮含量（leaf nitrogen content，LNC）是對(duì)評(píng)價(jià)煙草品質(zhì)的重要指標(biāo)，煙草缺氮或者過度施用氮肥，都會(huì)導(dǎo)致品質(zhì)下降，因此對(duì)氮含量進(jìn)行監(jiān)控并及時(shí)調(diào)整，對(duì)煙草產(chǎn)量和品質(zhì)把控有重要價(jià)值。

通過前期研究，對(duì)煙葉葉片含氮量LNC進(jìn)行了建模，選取與氮素相關(guān)的差值植被指數(shù)（DVI）、綠色歸一化差值植被指數(shù)（GNDVI）、改進(jìn)非線性植被指數(shù)（MNLI）等11個(gè)植被指數(shù)和5個(gè)波段反射率，共計(jì)16個(gè)光譜變量對(duì)煙草氮含量（LNC）進(jìn)行估算。利用回歸模型的顯著性水平和回歸模型回歸參數(shù)的顯著性水平相結(jié)合的準(zhǔn)則，構(gòu)建煙葉LNC估計(jì)模型，得到最優(yōu)回歸方程如公式（1）所示。

y=b1×x-b0（1）

式中：b1=1.497 5；b0=1.246 3。

由圖5可知，系統(tǒng)通過設(shè)置的氮元素?cái)?shù)值變化，帶入模型進(jìn)行運(yùn)算，發(fā)現(xiàn)發(fā)生區(qū)域和LNC數(shù)值達(dá)到既定閾值，系統(tǒng)演算得出存在氮缺失，必須進(jìn)行小范圍施肥作業(yè)，孿生系統(tǒng)推送該消息到煙農(nóng)、煙技員。

煙農(nóng)或煙技員根據(jù)系統(tǒng)信息，在煙田現(xiàn)場(chǎng)查看確認(rèn)后，當(dāng)即通過微信小程序“空中煙農(nóng)”發(fā)布施肥作業(yè)需求［24］（圖6）。服務(wù)機(jī)構(gòu)可以根據(jù)自己的服務(wù)能力、位置、價(jià)格等響應(yīng)對(duì)應(yīng)的服務(wù)需求，雙方按照孿生系統(tǒng)定義的流程進(jìn)行線上合同簽訂和作業(yè)。

整個(gè)數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)的流程實(shí)現(xiàn)了農(nóng)事管理的及時(shí)發(fā)現(xiàn)、反饋和處置，處理速度從傳統(tǒng)的7 d左右縮短到了2 d，同時(shí)給出了需要處置的面積，明確了農(nóng)資的需求數(shù)量和品種，降低了藥劑藥械的損耗。

3 結(jié)論

通過將數(shù)字孿生技術(shù)關(guān)鍵的數(shù)據(jù)采集、系統(tǒng)建模、系統(tǒng)反饋、可視化服務(wù)、智能化演算在煙草農(nóng)業(yè)進(jìn)行研究和分析，應(yīng)用于氮元素管理服務(wù)上，既實(shí)現(xiàn)了數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)和工作協(xié)同的目的，又實(shí)現(xiàn)了降低工作成本，其中通過虛實(shí)結(jié)合，實(shí)現(xiàn)氮元素管理效率提升71%。煙田數(shù)字化是實(shí)現(xiàn)智慧煙草的第1步，采用更多新的技術(shù)手段會(huì)讓數(shù)字發(fā)揮更多價(jià)值，如邊緣計(jì)算［25］等，在此基礎(chǔ)上實(shí)現(xiàn)網(wǎng)絡(luò)化、智能化，通過數(shù)字提供服務(wù)，實(shí)現(xiàn)可持續(xù)高效的現(xiàn)代農(nóng)業(yè)。今后，可以參照數(shù)字孿生的6個(gè)成熟度模型［26-27］，逐步建立煙草農(nóng)業(yè)數(shù)字化成熟度等級(jí)，為將來建立高效煙草農(nóng)業(yè)打下堅(jiān)實(shí)基礎(chǔ)。

參考文獻(xiàn)

［1］ 國(guó)家發(fā)展和改革委員會(huì).加快數(shù)字化發(fā)展 建設(shè)數(shù)字中國(guó)［M］//國(guó)家發(fā)展和改革委員會(huì).中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要.北京：人民出版社，2021.

［2］ FALCO N，WAINWRIGHT H，ULRICH C，et al.Remote sensing to UAV-based digital farmland［C］//2018 IEEE international geoscience and remote sensing symposium.Valencia，Spain：IEEE，2018.

［3］ 蒙繼華，程志強(qiáng)，董文全，等.面向精準(zhǔn)農(nóng)業(yè)的農(nóng)田信息遙感獲取系統(tǒng)［J］.高技術(shù)通訊，2018，28（6）：477-487.

［4］ 杜蒙蒙，劉穎超，姬江濤，等.基于無人機(jī)與激光測(cè)距技術(shù)的農(nóng)田地形測(cè)繪［J］.農(nóng)業(yè)工程學(xué)報(bào)，2020，36（22）：60-67.

［5］ 冉穎杭，謝天鏵，霍連飛，等.農(nóng)田背景噪聲下的土壤結(jié)構(gòu)體數(shù)字圖像信息特征［J］.江蘇農(nóng)業(yè)學(xué)報(bào)，2019，35（2）? 313-320．

［6］ CHIMI-CHIADJEU O，HGARAT-MASCLE S，VANNIER E，et al.Automatic clod detection and boundary estimation from Digital Elevation Model images using different approaches［J］.CATENA，2014，118（1）：73-83.

［7］ 李熙全，代飛，陽(yáng)成剛，等.基于多尺度遙感和精密定位的煙田數(shù)字化識(shí)別方法［J］.農(nóng)技服務(wù)，2019，36（7）：47-50.

［8］ 唐艾，羅貞寶，方圓，等.多尺度遙感和精密定位的煙田數(shù)字化識(shí)別和技術(shù)應(yīng)用效果分析［J］.大科技，2020（43）：217-218.

［9］ 劉國(guó)順，常棟，葉協(xié)鋒，等.基于GIS 的緩坡煙田土壤養(yǎng)分空間變異研究［J］.生態(tài)學(xué)報(bào)，2013，33（8）：2586-2595.

［10］ 蔡長(zhǎng)春，鄧環(huán)，趙云飛，等.湖北省植煙區(qū)生態(tài)氣候因子的主成分分析和區(qū)域劃分［J］.煙草科技，2011，44（2）：64-69.

［11］ 李蒙，朱勇，吉文娟.基于GIS 的云南煙區(qū)冰雹災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)［J］.中國(guó)農(nóng)業(yè)氣象，2012，33（1）：129-133.

［12］ 馬云強(qiáng)，李宇宸，劉夢(mèng)盈，等.基于無人機(jī)多光譜影像的云南切梢小蠹危害監(jiān)測(cè)反演研究［J］.西南農(nóng)業(yè)學(xué)報(bào)，2021，34（9）：1878-1884.

［13］ 楊文慶，劉天霞，唐興萍，等.智慧農(nóng)業(yè)背景下的植物表型組學(xué)研究進(jìn)展［J］.河南農(nóng)業(yè)科學(xué)， 2022，51（7）：1-12.

［14］ 趙迪，楊陽(yáng)，陳立偉.農(nóng)作物生產(chǎn)三維可視化仿真系統(tǒng)設(shè)計(jì)與應(yīng)用：以懷地黃為例［J］.河南農(nóng)業(yè)科學(xué)，2022，51（10）：169-180.

［15］ 鄭蕾娜，王易玄，劉美玲，等.基于數(shù)字孿生的智慧農(nóng)業(yè)云服務(wù)關(guān)鍵技術(shù)研究［J］.浙江萬里學(xué)院學(xué)報(bào)，2022，35（5）：84-90.

［16］ 顧生浩，盧憲菊，王勇健，等.數(shù)字孿生系統(tǒng)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用探討［J］.中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2021，23（10）：82-89.

［17］ 劉光亮，徐茜，徐辰生，等.煙葉生產(chǎn)大數(shù)據(jù)管理信息系統(tǒng)設(shè)計(jì)及應(yīng)用［J］.中國(guó)煙草科學(xué)，2019，40（2）：92-98.

［18］ 宋常迎，鄭少鋒，鄭雯雯.“十四五”時(shí)期數(shù)字農(nóng)業(yè)關(guān)鍵技術(shù)發(fā)展的創(chuàng)新路徑［J］.科學(xué)管理研究，2022，40（1）：79-85.

［19］ 李中皓，毛健，曹培健，等.數(shù)字化轉(zhuǎn)型：中國(guó)煙草科技創(chuàng)新發(fā)展的必然選擇［J］.煙草科技，2022，55（1）：1-8.

［20］ 盧志敏，饒偉，江琳，等.數(shù)字孿生技術(shù)在煙絲庫(kù)的應(yīng)用研究與實(shí)現(xiàn)［J］.自動(dòng)化儀表，2022，43（10）：91-95，100.

［21］ 尚立新，李常非，桑騰，等.數(shù)字孿生模型在煙草智能倉(cāng)儲(chǔ)中的應(yīng)用［J］.數(shù)字技術(shù)與應(yīng)用，2022，40（2）：75-77.

［22］ BUBECK S，CHANDRASEKARAN V，ELDAN R，et al.Sparks of artificial general intelligence：Early experiments with GPT-4［EB/OL］.［2023-03-26］.http：//arxiv.org/pdf/2303.12712.

［23］ VASWANI A，SHAZEER N M，PARMAR N，et al.Attention is all you need［C］//31st conference on neural information processing systems.Long Beach，CA，USA：NIPS，2017：1-15.

［24］ 鄧巍，陳立平，張瑞瑞，等.無人機(jī)精準(zhǔn)施藥關(guān)鍵技術(shù)綜述［J］.農(nóng)業(yè)工程，2020，10（4）：1-10.

［25］ 黃成龍，柯宇曦，華向東，等.邊緣計(jì)算在智慧農(nóng)業(yè)中的應(yīng)用現(xiàn)狀與展望［J］.農(nóng)業(yè)工程學(xué)報(bào)，2022，38（16）：224-234.

［26］ 陶飛，張賀，戚慶林，等.數(shù)字孿生模型構(gòu)建理論及應(yīng)用［J］.計(jì)算機(jī)集成制造系統(tǒng)，2021，27（1）：1-15.

［27］ 陶飛，張辰源，戚慶林，等.數(shù)字孿生成熟度模型［J］.計(jì)算機(jī)集成制造系統(tǒng)，2022，28（5）：1267-1281.